Le monde ne suffit pas …

Une chaîne de traitement

Ce cours propose de décomposer les étapes successives d’une démarche de datamining en partant d’un exemple simple : la création d’une base de donnée sur les pays du Monde.
Claude Grasland (Professeur à l’Université de Paris)


Introduction

1 COLLECTE

1.1 L’API de la Banque Mondiale

Supposons que l’on souhaite télécharger la population, la superficie et le PIB des pays du monde. Plutôt que d’aller chercher des fichiers sur un site web, nous allons utiliser une API proposée par la Banque Mondial qui permet de télécharger les données facilement et surtout de les mettre à jour régulièrement. Pour cela on va installer le package R correspondant à l’API wbstats de la Banque mondiale.

https://cran.r-project.org/web/packages/wbstats/vignettes/Using_the_wbstats_package.html

Au moment du chargement du package, il est créé un fichier wb_cachelist qui fournit l’ensemble des donnes disponibles sous la forme d’une liste de tableaux de méta-données.

cat<-wb_cachelist
str(cat,max.level = 1)
List of 8
 $ countries    : tibble [304 × 18] (S3: tbl_df/tbl/data.frame)
 $ indicators   : tibble [16,649 × 8] (S3: tbl_df/tbl/data.frame)
 $ sources      : tibble [63 × 9] (S3: tbl_df/tbl/data.frame)
 $ topics       : tibble [21 × 3] (S3: tbl_df/tbl/data.frame)
 $ regions      : tibble [48 × 4] (S3: tbl_df/tbl/data.frame)
 $ income_levels: tibble [7 × 3] (S3: tbl_df/tbl/data.frame)
 $ lending_types: tibble [4 × 3] (S3: tbl_df/tbl/data.frame)
 $ languages    : tibble [23 × 3] (S3: tbl_df/tbl/data.frame)

1.1.1 Le tableau “countries”

Il fournit des renseignements de base sur les différents pays, leurs codes, etc.

str(cat$countries)
tibble [304 × 18] (S3: tbl_df/tbl/data.frame)
 $ iso3c             : chr [1:304] "ABW" "AFG" "AFR" "AGO" ...
 $ iso2c             : chr [1:304] "AW" "AF" "A9" "AO" ...
 $ country           : chr [1:304] "Aruba" "Afghanistan" "Africa" "Angola" ...
 $ capital_city      : chr [1:304] "Oranjestad" "Kabul" NA "Luanda" ...
 $ longitude         : num [1:304] -70 69.2 NA 13.2 19.8 ...
 $ latitude          : num [1:304] 12.52 34.52 NA -8.81 41.33 ...
 $ region_iso3c      : chr [1:304] "LCN" "SAS" NA "SSF" ...
 $ region_iso2c      : chr [1:304] "ZJ" "8S" NA "ZG" ...
 $ region            : chr [1:304] "Latin America & Caribbean" "South Asia" "Aggregates" "Sub-Saharan Africa" ...
 $ admin_region_iso3c: chr [1:304] NA "SAS" NA "SSA" ...
 $ admin_region_iso2c: chr [1:304] NA "8S" NA "ZF" ...
 $ admin_region      : chr [1:304] NA "South Asia" NA "Sub-Saharan Africa (excluding high income)" ...
 $ income_level_iso3c: chr [1:304] "HIC" "LIC" NA "LMC" ...
 $ income_level_iso2c: chr [1:304] "XD" "XM" NA "XN" ...
 $ income_level      : chr [1:304] "High income" "Low income" "Aggregates" "Lower middle income" ...
 $ lending_type_iso3c: chr [1:304] "LNX" "IDX" NA "IBD" ...
 $ lending_type_iso2c: chr [1:304] "XX" "XI" NA "XF" ...
 $ lending_type      : chr [1:304] "Not classified" "IDA" "Aggregates" "IBRD" ...

Le tableau comporte 304 observation et il mélange des pays (France), des fragments de pays (Réunion) et des agrégats de pays (Europe). Il faudra donc bien faire attention lors de l’extraction à réfléchir à ce que l’on souhaite utiliser. Par exemple, si l’on veut juste les pays :

pays<-cat$countries[cat$countries$income_level!="Aggregates",c("iso3c", "country","capital_city","longitude","latitude", "region","income_level")]
kable(head(pays))
iso3c country capital_city longitude latitude region income_level
ABW Aruba Oranjestad -70.0167 12.51670 Latin America & Caribbean High income
AFG Afghanistan Kabul 69.1761 34.52280 South Asia Low income
AGO Angola Luanda 13.2420 -8.81155 Sub-Saharan Africa Lower middle income
ALB Albania Tirane 19.8172 41.33170 Europe & Central Asia Upper middle income
AND Andorra Andorra la Vella 1.5218 42.50750 Europe & Central Asia High income
ARE United Arab Emirates Abu Dhabi 54.3705 24.47640 Middle East & North Africa High income

1.1.2 Le tableau indicators

Il comporta pas loin de 17000 variables … Autant dire qu’il est difficile de l’explorer facilement si l’on ne sait pas ce que l’on cherche.

indic<-cat$indicators
kable(head(indic,3))
indicator_id indicator unit indicator_desc source_org topics source_id source
1.0.HCount.1.90usd Poverty Headcount ($1.90 a day) NA The poverty headcount index measures the proportion of the population with daily per capita income (in 2011 PPP) below the poverty line. LAC Equity Lab tabulations of SEDLAC (CEDLAS and the World Bank). 11 , Poverty 37 LAC Equity Lab
1.0.HCount.2.5usd Poverty Headcount ($2.50 a day) NA The poverty headcount index measures the proportion of the population with daily per capita income (in 2005 PPP) below the poverty line. LAC Equity Lab tabulations of SEDLAC (CEDLAS and the World Bank). 11 , Poverty 37 LAC Equity Lab
1.0.HCount.Mid10to50 Middle Class ($10-50 a day) Headcount NA The poverty headcount index measures the proportion of the population with daily per capita income (in 2005 PPP) below the poverty line. LAC Equity Lab tabulations of SEDLAC (CEDLAS and the World Bank). 11 , Poverty 37 LAC Equity Lab

1.1.3 La recherche d’indicateurs

Supposons qu’on recherche les données récentes sur le PIB. On va utiliser le mot-clé GDP pour rechercher les variables correspondantes dans le catalogue, ce qui donne 540 réponses

vars <- wbsearch(pattern = "GDP",fields="indicator")
kable(head(vars))
indicatorID indicator
676 5.51.01.10.gdp Per capita GDP growth
678 6.0.GDP_current GDP (current $)
679 6.0.GDP_growth GDP growth (annual %)
680 6.0.GDP_usd GDP (constant 2005 $)
681 6.0.GDPpc_constant GDP per capita, PPP (constant 2011 international $)
1521 BG.GSR.NFSV.GD.ZS Trade in services (% of GDP)

On va finalement retenir deux indicateurs généraux

  • NY.GDP.MKTP.KD : GDP (constant 2010 US$)
  • NY.GDP.MKTP.PP.CD : GDP, PPP (current international $)

Puis examiner plus en détail leurs métadonnées

meta<-cat$indicators[cat$indicators$indicator_id %in% c("NY.GDP.MKTP.KD","NY.GDP.MKTP.PP.CD"),]
kable(meta)
indicator_id indicator unit indicator_desc source_org topics source_id source
NY.GDP.MKTP.KD GDP (constant 2010 US$) NA GDP at purchaser’s prices is the sum of gross value added by all resident producers in the economy plus any product taxes and minus any subsidies not included in the value of the products. It is calculated without making deductions for depreciation of fabricated assets or for depletion and degradation of natural resources. Data are in constant 2010 U.S. dollars. Dollar figures for GDP are converted from domestic currencies using 2010 official exchange rates. For a few countries where the official exchange rate does not reflect the rate effectively applied to actual foreign exchange transactions, an alternative conversion factor is used. World Bank national accounts data, and OECD National Accounts data files. 3 , Economy & Growth 2 World Development Indicators
NY.GDP.MKTP.PP.CD GDP, PPP (current international $) NA This indicator provides values for gross domestic product (GDP) expressed in current international dollars, converted by purchasing power parity (PPP) conversion factor. GDP is the sum of gross value added by all resident producers in the country plus any product taxes and minus any subsidies not included in the value of the products. PPP conversion factor is a spatial price deflator and currency converter that eliminates the effects of the differences in price levels between countries. From April 2020, “GDP: linked series (current LCU)” [NY.GDP.MKTP.CN.AD] is used as underlying GDP in local currency unit so that it’s in line with time series of PPP conversion factors for GDP, which are extrapolated with linked GDP deflators. International Comparison Program, World Bank | World Development Indicators database, World Bank | Eurostat-OECD PPP Programme. 3 , Economy & Growth 2 World Development Indicators

1.1.4 L’extraction des données

Elle se fait à l’aide de la fonction wb_data qui comporte de nombreuses options. On peut par exemple extraire la valeur la plus récentes à l’aide de l’option mrv = 1

On peut ainsi établir le palmares des pays ayant le plus fort PIB en dollars au taux de change

tabGDP <- wb_data(indicator = c("NY.GDP.MKTP.KD"),
                 return_wide = TRUE,
                 mrv=1,
                 country ="countries_only")



tabGDP<-tabGDP[order(tabGDP$NY.GDP.MKTP.KD,decreasing = T),]
kable(head(tabGDP,10))
iso2c iso3c country date NY.GDP.MKTP.KD unit obs_status footnote last_updated
US USA United States 2023 22062578283267 NA NA NA 2024-12-16
CN CHN China 2023 17175670911004 NA NA NA 2024-12-16
JP JPN Japan 2023 4605911988192 NA NA NA 2024-12-16
DE DEU Germany 2023 3692366831511 NA NA NA 2024-12-16
GB GBR United Kingdom 2023 3234504373105 NA NA NA 2024-12-16
IN IND India 2023 3215973434046 NA NA NA 2024-12-16
FR FRA France 2023 2671234714330 NA NA NA 2024-12-16
IT ITA Italy 2023 2010974774790 NA NA NA 2024-12-16
BR BRA Brazil 2023 1954752120906 NA NA NA 2024-12-16
CA CAN Canada 2023 1783097209319 NA NA NA 2024-12-16

… ou bien en oarité de pouvoir d’achat :

tabGDP <- wb_data(indicator = c("NY.GDP.MKTP.PP.CD"),
                 return_wide = TRUE,
                 mrv=1,
                 country ="countries_only")



tabGDP<-tabGDP[order(tabGDP$NY.GDP.MKTP.PP.CD,decreasing = T),]
kable(head(tabGDP,10))
iso2c iso3c country date NY.GDP.MKTP.PP.CD unit obs_status footnote last_updated
CN CHN China 2023 34660138175164 NA NA NA 2024-12-16
US USA United States 2023 27720709000000 NA NA NA 2024-12-16
IN IND India 2023 14619765554295 NA NA NA 2024-12-16
RU RUS Russian Federation 2023 6454737767947 NA NA NA 2024-12-16
JP JPN Japan 2023 6239019356204 NA NA NA 2024-12-16
DE DEU Germany 2023 5949380762927 NA NA NA 2024-12-16
BR BRA Brazil 2023 4456606930516 NA NA NA 2024-12-16
ID IDN Indonesia 2023 4334715225911 NA NA NA 2024-12-16
FR FRA France 2023 4197857385076 NA NA NA 2024-12-16
GB GBR United Kingdom 2023 4075450467323 NA NA NA 2024-12-16

1.2 Puissance pays du Monde (1990-2025)

Nous allons essayer de constituer un tableau de la puissance des pays du Monde au cours de la période 1990-20205, à l’aide de six indicateurs de stock correspondant à différentes formes de puissance :

  • Puissance territoriale
    • SRF : Superficie totale du pays en km2
    • ARB : Superficie de terres arables en hectares
  • Puissance démographique
    • POP : Population totale en habitants
    • URB : Population urbaine en habitants
  • Puissance économique
    • GDP : Produit Intérieur Brut au taux de change
    • GPP : Produit Intérieur Brut en parité de pouvoir d’achat

Ces indicateurs ont été choisis en raison de leur simplicité qui en assure la disponibilité pour la plupart des pays et pour la plupart des dates (excepté dans le cas du CO2 qui n’est mesuré que tardivement.)

1.2.1 Choix des indicateurs

On choisit un ensemble de données dont on connait l’identifiant et que l’on souhaite pouvoir analyser sur une période de temps longue.

world_data <- wb_data(indicator = c("AG.SRF.TOTL.K2","AG.LND.ARBL.HA","SP.POP.TOTL","SP.URB.TOTL","NY.GDP.MKTP.CD", "NY.GDP.MKTP.PP.CD"),
                 return_wide = TRUE,
                 start_date = 1960,
                 end_date = 2024,
                 country ="countries_only")

world_data<-world_data[,-c(1,3)]

# recodage (attention : ordre alphabetique)
names(world_data)<-c("iso3c","date","ARB","SRF","GDP","GPP","POP","URB")

1.2.2 Recoller avec les données pays

On rajoute quelques données relatives au pays qui pourront être utiles par la suite.

pays<-cat$countries[cat$countries$income_level!="Aggregates",c("iso3c", "country","capital_city","longitude","latitude", "region","income_level")]
tab<-merge(pays,world_data, by="iso3c",all.x=F,all.y=T)
kable(head(tab))
iso3c country capital_city longitude latitude region income_level date ARB SRF GDP GPP POP URB
ABW Aruba Oranjestad -70.0167 12.5167 Latin America & Caribbean High income 1960 NA NA NA NA 54922 27887
ABW Aruba Oranjestad -70.0167 12.5167 Latin America & Caribbean High income 1961 2000 180 NA NA 55578 28212
ABW Aruba Oranjestad -70.0167 12.5167 Latin America & Caribbean High income 1962 2000 180 NA NA 56320 28580
ABW Aruba Oranjestad -70.0167 12.5167 Latin America & Caribbean High income 1963 2000 180 NA NA 57002 28917
ABW Aruba Oranjestad -70.0167 12.5167 Latin America & Caribbean High income 1964 2000 180 NA NA 57619 29221
ABW Aruba Oranjestad -70.0167 12.5167 Latin America & Caribbean High income 1965 2000 180 NA NA 58190 29502
saveRDS(tab,"data/wb_don_1960_2023.Rdata")

1.2.3 Ajouter des métadonnées

# Extract meta
meta<-cat$indicators[cat$indicators$indicator_id %in% c("AG.SRF.TOTL.K2","AG.LND.ARBL.HA","SP.POP.TOTL","SP.URB.TOTL","NY.GDP.MKTP.CD", "NY.GDP.MKTP.PP.CD"),]

# Select information and add personal code
meta<-data.frame(meta[,c(1,2,4,5)])
meta$shortcode<-c("ARB","SRF","GDP","GPP","POP","URB")
meta<-meta[,c(5,1,2,3,4)]

# Display
kable(meta)
shortcode indicator_id indicator indicator_desc source_org
ARB AG.LND.ARBL.HA Arable land (hectares) Arable land (in hectares) includes land defined by the FAO as land under temporary crops (double-cropped areas are counted once), temporary meadows for mowing or for pasture, land under market or kitchen gardens, and land temporarily fallow. Land abandoned as a result of shifting cultivation is excluded. Food and Agriculture Organization, electronic files and web site.
SRF AG.SRF.TOTL.K2 Surface area (sq. km) Surface area is a country’s total area, including areas under inland bodies of water and some coastal waterways. Food and Agriculture Organization, electronic files and web site.
GDP NY.GDP.MKTP.CD GDP (current US$) GDP at purchaser’s prices is the sum of gross value added by all resident producers in the economy plus any product taxes and minus any subsidies not included in the value of the products. It is calculated without making deductions for depreciation of fabricated assets or for depletion and degradation of natural resources. Data are in current U.S. dollars. Dollar figures for GDP are converted from domestic currencies using single year official exchange rates. For a few countries where the official exchange rate does not reflect the rate effectively applied to actual foreign exchange transactions, an alternative conversion factor is used. World Bank national accounts data, and OECD National Accounts data files.
GPP NY.GDP.MKTP.PP.CD GDP, PPP (current international $) This indicator provides values for gross domestic product (GDP) expressed in current international dollars, converted by purchasing power parity (PPP) conversion factor. GDP is the sum of gross value added by all resident producers in the country plus any product taxes and minus any subsidies not included in the value of the products. PPP conversion factor is a spatial price deflator and currency converter that eliminates the effects of the differences in price levels between countries. From April 2020, “GDP: linked series (current LCU)” [NY.GDP.MKTP.CN.AD] is used as underlying GDP in local currency unit so that it’s in line with time series of PPP conversion factors for GDP, which are extrapolated with linked GDP deflators. International Comparison Program, World Bank | World Development Indicators database, World Bank | Eurostat-OECD PPP Programme.
POP SP.POP.TOTL Population, total Total population is based on the de facto definition of population, which counts all residents regardless of legal status or citizenship. The values shown are midyear estimates. (1) United Nations Population Division. World Population Prospects: 2019 Revision. (2) Census reports and other statistical publications from national statistical offices, (3) Eurostat: Demographic Statistics, (4) United Nations Statistical Division. Population and Vital Statistics Reprot (various years), (5) U.S. Census Bureau: International Database, and (6) Secretariat of the Pacific Community: Statistics and Demography Programme.
URB SP.URB.TOTL Urban population Urban population refers to people living in urban areas as defined by national statistical offices. It is calculated using World Bank population estimates and urban ratios from the United Nations World Urbanization Prospects. Aggregation of urban and rural population may not add up to total population because of different country coverages. World Bank staff estimates based on the United Nations Population Division’s World Urbanization Prospects: 2018 Revision.
# Save meta
saveRDS(meta,"data/wb_don_1960_2023_meta.Rdata")
write.table(meta,"data/wb_don_1960_2023_meta.csv",sep=";",dec=",", row.names = F,fileEncoding = "UTF-8")

2 ESTIMATIONS

Le tableau que nous avons construit comporte encore de nombreuses valeurs manquantes. Or, notre objectif est de calculer la part d’un pays dans le total mondial ce qui n’est pas possibl si on ne dipose pas d’une estimation des valeurs de chacun des pays.

Nous allons donc construire un nouveau tableau où l’on essayera de remplir le maximum de valeurs manquantes tout en précisant la méthode d’estimatiopn utilisée.

2.1 Diagnostic des valeurs manquantes

Avant toute chose, nous allons estimer pour chacune des variables la part des valeurs manquantes en fonction des dates ou des pays.

2.1.1 Corrections manuelles

  • On complète les données de terres arables et de superficie qui manquent pour les dernières dates car elles ont du peu évoluer.
  • On complète également les données de CO2 en conservant la valeur de 2015 ce qui est évidememnt abusif mais permet d’avoir un tableau complet.
  • On ajoute manuellement la superficie du Soudan et du Sud-Soudan
  • On procède à une estimation grossière du PIB de la Corée du Nord à partir de ses émissions de CO2 en supposant qu’elles suivent la même loi qu’en Corée du Sud
  • On procède de la même manière à l’estimation de la population urbaine du Kosovo par celle de la Serbie
# Load data
don<-readRDS("data/wb_don_1960_2023.Rdata")

# Correction terres arables
length(don$ARB[don$date==2016])
[1] 217
don$ARB[don$date==2022]<-don$ARB[don$date==2021]
don$ARB[don$date==2023]<-don$ARB[don$date==2021]
don$ARB[don$date==1960]<-don$ARB[don$date==1961]


## Correction superfice
don$SRF[don$date==2023]<-don$SRF[don$date==2021]
don$SRF[don$date==1960]<-don$SRF[don$date==1961]

2.1.2 Tableau de synthèse

On crée un tableau de synthèse des valeurs manquantes en mode colonne (toutes les variables les unes au dessus des autres et non pas côte à côte) et on utilise pour cela le package tidyverse qui est adapté à ce type de manipulation, notamment avec la fonction gather.

tabmis<-don %>% select(iso3c,country,date,ARB,SRF,GDP,GPP,POP, URB)  %>%
  gather("ARB", "SRF","GDP","GPP","POP","URB",key = VAR, value = DON) %>%
  mutate(Missing = is.na(DON))

kable(head(tabmis))             
iso3c country date VAR DON Missing
ABW Aruba 1960 ARB 2000 FALSE
ABW Aruba 1961 ARB 2000 FALSE
ABW Aruba 1962 ARB 2000 FALSE
ABW Aruba 1963 ARB 2000 FALSE
ABW Aruba 1964 ARB 2000 FALSE
ABW Aruba 1965 ARB 2000 FALSE

2.1.3 Valeurs manquantes par date

On réalise un graphique montrant le % de données manquantes par date et par variable en se servant de ggplot2

res <- tabmis %>% group_by(VAR, date) %>% 
                  summarise(nbmis=sum(Missing), nb=n(), pct = 100*nbmis/nb) 

p<-ggplot(res) + 
  aes(x=date,y=pct,color=VAR) +
  geom_line() +
  scale_y_continuous("% de pays à valeurs manquantes", breaks = c(0,10,20,30,40,50,60,70,80,90,100))+
  scale_x_continuous("Année", breaks = c(1960, 1965, 1970, 1975, 1980, 1985,1990, 1995, 2000, 2005, 2010, 2015, 2020, 2025))
p

Les valeurs manquantes des années 1990 sont liées souvent à des pays qui n’existent pas encore comme le Sud-Soudan ou le Kosovo et qui ne disposent donc pas de données. Le fait qu’il demeure toujours 5% de pays non renseignés est lié à des pays de très petite taille mal documentés.

On observe que les données relatives au CO2 et aux terres arables (ARB) n’existent pour aucun pays après 2016. Il en va de même pour la superficie totale (SRF) des pays en 2019. Comme cette variable évolue peu au cours du temps, on affecte la valeur de la dernière année disponible.

2.1.4 Valeurs manquantes par pays

On examine maintenant les pays ayant la plus forte proportion de valeurs manquantesn indépendamment de la variable concernée.

res <- tabmis %>% group_by(iso3c, country) %>% 
                  summarise(nbmis=sum(Missing), nb=n(), pct = 100*nbmis/nb) %>%
                  arrange(-pct)

kable(head(res,20))
iso3c country nbmis nb pct
MAF St. Martin (French part) 303 384 78.90625
XKX Kosovo 288 384 75.00000
SSD South Sudan 216 384 56.25000
GIB Gibraltar 193 384 50.26042
SXM Sint Maarten (Dutch part) 162 384 42.18750
ERI Eritrea 154 384 40.10417
CUW Curacao 144 384 37.50000
MCO Monaco 138 384 35.93750
MNP Northern Mariana Islands 138 384 35.93750
PSE West Bank and Gaza 129 384 33.59375
PRK Korea, Dem. People’s Rep. 128 384 33.33333
VGB British Virgin Islands 128 384 33.33333
MNE Montenegro 120 384 31.25000
MAC Macao SAR, China 117 384 30.46875
SRB Serbia 116 384 30.20833
LUX Luxembourg 110 384 28.64583
GRL Greenland 108 384 28.12500
ASM American Samoa 107 384 27.86458
GUM Guam 107 384 27.86458
CHI Channel Islands 104 384 27.08333

Trois cas apparaissent clairement :

  • Micro-états et territoires dépendants comme Monaco, Nauru, Guam, etc…

  • Etats issus de recompositions frontalières comme le Nord et le Sud-Soudan, le Kosovo, la Serbie, l’Erythrée … Ce sont par définition des pays qui n’existent pas à toutes les dates et l’attribution de valeurs dans le passé est une reconstitution.

  • Etats en crise ou dictatures qui ne fournissent pas de données comme la Corée du Nord ou sont dans l’incapacité de le faire comme la Syrie au cours des dernières années.

Si le premier cas n’est pas trop gênant (les petits états pèsent peu dans le total mondial), les second et troisième cas sont plus ennuyeux car il speuvent fausser le calcul de la part du total mondial des autres pays. On va donc tenter de proposer une estimation des valeurs manquantes qui permette de reconstituer le total mondial.

2.2 Estimation des valeurs manquantes

2.2.1 Fonction d’estimation

Nous avons construit ici une fonction d’estimation complexe qui utilise trois méthodes différentes selon la disposition des données manquantes :

  • interpolation : dans le cas d’une série interrompue sur un intervalle
  • extrapolation : dans le cas d’ue série où il manque les dernières valeurs et pour laquelle on applique la tendance moyenne des pays à valeurs non manquantes.
  • retropolation : dans le cas d’une série où il manque les premières valeurs et pour laquelle on applique la tendance moyenne des pays à valeurs non manquantes.

La méthode n’est toutefois pas applicable dans deux cas :

  1. absence complète de données pour un pays : car on ne dispose d’aucun point de calage
  2. absence complète de données pour une année : car on ne dispose pas de tendance moyenne de référence.
# load a data.frame with columns space, time, indic 
estim<-function(df   = don)               # dataframe
 
{


# Select variable
sel<-dcast(df,space~time)
M<-as.matrix(sel[,-1])
rownames(M)<-sel$space

####################################################
########   Estimation Procedure ####################
####################################################

# check for lines or column  filled with missing values and eliminate
check1<-apply(!is.na(M),FUN="sum",1)
check2<-apply(!is.na(M),FUN="sum",2)
M<-M[check1>0,check2>0]



dim(M)


# define dimensions
nr<-nrow(M)
nr
nc<-ncol(M)
nc


# create time matrix with NA
Mt<-matrix(rep(1:nc,nr),nrow=nr,nc=nc,byrow=T)
rownames(Mt)<-rownames(M)
colnames(Mt)<-colnames(M)
Mt[is.na(M)]<-NA
Mt[1:4,1:4]



# identify previous and next available valuer
Mt_min<-Mt
Mt_max<-Mt
for ( i in 1:nr) { 
  for ( j in 1:nc) { 
    if (is.na(Mt[i,j])) {
      Mt_min[i,j]<-max(Mt[i,1:j],na.rm=T)
      Mt_max[i,j]<-min(Mt[i,j:nc],na.rm=T)    
    }  
  }
}
Mt_min[1:4,1:4]
Mt_max[1:4,1:4]


# choose estimation method
M_met<-matrix("OK",nrow=nr,ncol=nc)
rownames(M_met)<-rownames(M)
colnames(M_met)<-colnames(M)
for ( i in 1:nr) { 
  for ( j in 1:nc) { 
    if (is.na(Mt[i,j])) {
      M_met[i,j]<-"IN"
      if (is.infinite(Mt_max[i,j])) {M_met[i,j]<-"EX"} 
      if (is.infinite(Mt_min[i,j])) {M_met[i,j]<-"RE"}  
    }   
  }
}
M_met[1:4,1:4]

###### Estimation of missing values  ####

M_est<-M
str(M_est)

#### step 1: Interpolation ######

for ( i in 1:nr) { 
  for ( j in 1:nc) { 
    if ((M_met[i,j]=="IN")) {
      t0<-Mt_min[i,j]
      t1<-Mt_max[i,j] 
      tacm<-(M[i,t1]/M[i,t0])**(1/(t1-t0))
      M_est[i,j]<-M[i,t0]*(tacm**(j-t0))
    }   
  }
}
M_est[1:4,1:4]


#### step 2: Extrapolation ######

for ( i in 1:nr) { 
  for ( j in 2:nc) { 
    if ((M_met[i,j]=="EX")) {
      N<-M_est
      t0<-j-1
      t1<-j
      N<-M_est[is.na(M_est[,t0])==F,]
      N<-N[is.na(N[,t1])==F,]
      tacm<-(sum(N[,t1])/sum(N[,t0]))**(1/(t1-t0)) 
      M_est[i,j]<-M_est[i,t0]*(tacm**(t1-t0))
    }   
  }
}
M_est[1:4,1:4]


#### step 3: Retropolation ######

for ( i in 1:nr) { 
  for ( j in (nc-1):1) { 
    if ((M_met[i,j]=="RE")) {
      N<-M_est
      t0<-j
      t1<-j+1
      N<-M_est[is.na(M_est[,t0])==F,]
      N<-N[is.na(N[,t1])==F,]
      tacm<-(sum(N[,t1])/sum(N[,t0]))**(1/(t1-t0)) 
      M_est[i,j]<-M_est[i,t1]/(tacm**(t1-t0))
    }   
  }
}
M_est[1:4,1:4]



#######################################################
############# EXPORT RESULTS  #########################
#######################################################

x<-reshape2::melt(M_est)
names(x)<-c("space","time","estim")
y<-reshape2::melt(M_met)
names(y)<-c("space","time","method")
z<-merge(x,y, by=c("space","time"))

return(z)
}

2.2.2 Application de la fonction

On va reconstituer pour chacune de nos variables les valeurs estimées lorsque cela est possible

# Estim ARB
df<-data.table(space=don$iso3c,time=don$date,index=don$ARB)
est<-estim(df)[,1:3]
 num [1:207, 1:64] 2000 7650000 2670000 432000 1000 ...
 - attr(*, "dimnames")=List of 2
  ..$ : chr [1:207] "ABW" "AFG" "AGO" "ALB" ...
  ..$ : chr [1:64] "1960" "1961" "1962" "1963" ...
names(est)<-c("iso3c","date","ARB_est")
don<-merge(don,est, by=c("iso3c","date"), all.x=T,al.y=F)

# Estim SRF
df<-data.table(space=don$iso3c,time=don$date,index=don$SRF)
est<-estim(df)[,1:3]
 num [1:216, 1:64] 180 652860 1246700 28750 470 ...
 - attr(*, "dimnames")=List of 2
  ..$ : chr [1:216] "ABW" "AFG" "AGO" "ALB" ...
  ..$ : chr [1:64] "1960" "1961" "1962" "1963" ...
names(est)<-c("iso3c","date","SRF_est")
don<-merge(don,est, by=c("iso3c","date"), all.x=T,al.y=F)


# Estim GDP
df<-data.table(space=don$iso3c,time=don$date,index=don$GDP)
est<-estim(df)[,1:3]
 num [1:214, 1:64] NA NA NA NA NA NA NA NA NA NA ...
 - attr(*, "dimnames")=List of 2
  ..$ : chr [1:214] "ABW" "AFG" "AGO" "ALB" ...
  ..$ : chr [1:64] "1960" "1961" "1962" "1963" ...
names(est)<-c("iso3c","date","GDP_est")
don<-merge(don,est, by=c("iso3c","date"), all.x=T,al.y=F)

## Estim GPP
df<-data.table(space=don$iso3c,time=don$date,index=don$GPP)
est<-estim(df)[,1:3]
 num [1:203, 1:34] 1363802058 NA 38839000563 8378238406 1310131885 ...
 - attr(*, "dimnames")=List of 2
  ..$ : chr [1:203] "ABW" "AFG" "AGO" "ALB" ...
  ..$ : chr [1:34] "1990" "1991" "1992" "1993" ...
names(est)<-c("iso3c","date","GPP_est")
don<-merge(don,est, by=c("iso3c","date"), all.x=T,al.y=F)


# Estim POP
df<-data.table(space=don$iso3c,time=don$date,index=don$POP)
est<-estim(df)[,1:3]
 num [1:217, 1:64] 54922 9035043 5231654 1608800 9510 ...
 - attr(*, "dimnames")=List of 2
  ..$ : chr [1:217] "ABW" "AFG" "AGO" "ALB" ...
  ..$ : chr [1:64] "1960" "1961" "1962" "1963" ...
names(est)<-c("iso3c","date","POP_est")
don<-merge(don,est, by=c("iso3c","date"), all.x=T,al.y=F)

# Estim URB
df<-data.table(space=don$iso3c,time=don$date,index=don$URB)
est<-estim(df)[,1:3]
 num [1:215, 1:64] 27887 759034 545923 493982 5559 ...
 - attr(*, "dimnames")=List of 2
  ..$ : chr [1:215] "ABW" "AFG" "AGO" "ALB" ...
  ..$ : chr [1:64] "1960" "1961" "1962" "1963" ...
names(est)<-c("iso3c","date","URB_est")
don<-merge(don,est, by=c("iso3c","date"), all.x=T,al.y=F)

Dans le cas du PIB en parité de pouvoir d’achat avant 1990, ondoit procéder à une estimaation séparée car aucune valeur n’est disponible pour aucun pays du Monde.

obs<-don %>% filter(is.na(GPP_est)==F) %>%select(iso3c, date, POP_est, GDP_est, GPP_est)


obs$y<-obs$GPP_est/obs$POP_est
obs$x<-obs$GDP_est/obs$POP_est
plot(obs$x,obs$y,log = 'xy')

lm(log(obs$y)~log(obs$x))

Call:
lm(formula = log(obs$y) ~ log(obs$x))

Coefficients:
(Intercept)   log(obs$x)  
      2.745        0.758  
mod<-lm(log(obs$GPP_est)~log(obs$GDP_est)+log(obs$POP_est))
summary(mod)

Call:
lm(formula = log(obs$GPP_est) ~ log(obs$GDP_est) + log(obs$POP_est))

Residuals:
     Min       1Q   Median       3Q      Max 
-1.94972 -0.21889 -0.00968  0.20391  2.85161 

Coefficients:
                 Estimate Std. Error t value            Pr(>|t|)    
(Intercept)      2.087406   0.040794   51.17 <0.0000000000000002 ***
log(obs$GDP_est) 0.770493   0.002695  285.91 <0.0000000000000002 ***
log(obs$POP_est) 0.265849   0.002897   91.76 <0.0000000000000002 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 0.3514 on 6899 degrees of freedom
Multiple R-squared:  0.9791,    Adjusted R-squared:  0.9791 
F-statistic: 1.62e+05 on 2 and 6899 DF,  p-value: < 0.00000000000000022
# Estimation
don$GPP_est[is.na(don$GPP_est)]<-don$POP_est[is.na(don$GPP_est)]*((don$GDP_est[is.na(don$GPP_est)]/don$POP_est[is.na(don$GPP_est)])**0.758)*exp(2.745)



# Save
saveRDS(don,"data/wb_don_1960_2023.Rdata")

Attention ! les valeurs estimées sont parfois très éloignées de la réalité, surtout dans le cas des extrapolations où elles suivent la tendance mondiale. Mais cette méthode d’estimation permet, comme nous l’avons expliqué, de pouvir calculer le total mondial et, du coup, de pouvoir estimer pour chaque critère la part du pays dans la population mondiale et son rang à chacune des dates.

3 TRANSFORMATION

On se propose d’enrichir notre tableau à l’aide de nouvelles variables

  1. Rang des pays pour chacun des critères
  2. Part des pays dans le total mondial pour chacun des critères
  3. Indicateurs synthétiques de puissance combinant les différents critères

3.1 Rangs mondial des pays

3.1.1 Calcul des rangs par variable et date

On utilise dplyr pour calculer le rand de chaque variable à chacune des dates. On ajoute une variable supplémenaire qui est la moyenne des rang sur les six classements.

don<-readRDS("data/wb_don_1960_2023.Rdata")
#don<-as_tibble(don)
don2<-don %>%  group_by(date) %>% mutate(ARB_rnk = rank(desc(ARB_est)),
                                         SRF_rnk = rank(desc(SRF_est)),
                                         GDP_rnk = rank(desc(GDP_est)),
                                         GPP_rnk = rank(desc(GPP_est)),                                     
                                         POP_rnk = rank(desc(POP_est)),
                                         URB_rnk = rank(desc(URB_est)),
                                         TOT_rnk = (ARB_rnk+SRF_rnk+GDP_rnk+GPP_rnk+POP_rnk+URB_rnk)/6) 

3.1.2 Application au calcul des 20 pays les plus puissants en 1960 et 2019

tab<-don2 %>% filter(date==1960) %>% 
             select(iso3c, country, TOT_rnk, ARB_rnk,SRF_rnk,GDP_rnk,GPP_rnk,POP_rnk,URB_rnk,TOT_rnk) %>%
             arrange(TOT_rnk)
kable(head(tab,20), digits=1)
date iso3c country TOT_rnk ARB_rnk SRF_rnk GDP_rnk GPP_rnk POP_rnk URB_rnk
1960 USA United States 1.7 1 3 1 1 3 1
1960 CHN China 3.0 4 4 5 2 1 2
1960 IND India 4.8 2 7 10 5 2 3
1960 RUS Russian Federation 4.8 3 1 9 8 4 4
1960 BRA Brazil 9.2 10 5 13 11 8 8
1960 CAN Canada 12.0 5 2 8 10 30 17
1960 MEX Mexico 14.0 13 14 16 13 16 12
1960 ARG Argentina 14.5 14 8 11 12 28 14
1960 FRA France 15.3 12 48 4 6 12 10
1960 DEU Germany 17.0 21 63 2 3 7 6
1960 AUS Australia 18.7 19 6 12 14 38 23
1960 IDN Indonesia 19.7 15 15 40 26 6 16
1960 JPN Japan 20.2 36 62 6 7 5 5
1960 ITA Italy 21.3 20 72 7 9 11 9
1960 TUR Turkey 21.3 11 36 22 19 20 20
1960 ESP Spain 21.7 16 51 17 15 18 13
1960 UKR Ukraine 21.7 8 44 29 23 15 11
1960 GBR United Kingdom 22.2 31 79 3 4 9 7
1960 PAK Pakistan 23.5 7 35 39 28 13 19
1960 NGA Nigeria 23.7 9 31 34 27 14 27
tab<-don2 %>% filter(date==2023) %>% 
             select(iso3c, country, TOT_rnk, ARB_rnk,SRF_rnk,GDP_rnk,GPP_rnk,POP_rnk,URB_rnk,TOT_rnk) %>%
             arrange(TOT_rnk)
kable(head(tab,20), digits=1)
date iso3c country TOT_rnk ARB_rnk SRF_rnk GDP_rnk GPP_rnk POP_rnk URB_rnk
2023 USA United States 2.2 1 3 1 2 3 3
2023 CHN China 2.3 4 4 2 1 2 1
2023 IND India 3.3 2 7 5 3 1 2
2023 RUS Russian Federation 6.0 3 1 11 4 9 8
2023 BRA Brazil 6.2 5 5 9 7 7 4
2023 IDN Indonesia 10.0 13 14 16 8 4 5
2023 MEX Mexico 12.0 15 13 12 13 10 9
2023 CAN Canada 16.8 7 2 10 16 37 29
2023 TUR Turkey 18.7 16 36 18 11 18 13
2023 FRA France 20.0 17 49 7 9 22 16
2023 NGA Nigeria 20.0 8 31 42 27 6 6
2023 ARG Argentina 20.3 6 8 22 28 34 24
2023 IRN Iran, Islamic Rep. 20.8 21 17 37 22 17 11
2023 DEU Germany 21.8 25 64 3 6 19 14
2023 PAK Pakistan 22.0 11 35 46 25 5 10
2023 AUS Australia 23.7 10 6 13 19 54 40
2023 JPN Japan 24.3 55 63 4 5 12 7
2023 THA Thailand 27.7 19 52 27 21 20 27
2023 ZAF South Africa 27.7 24 24 41 33 24 20
2023 ESP Spain 27.8 26 53 15 15 32 26

3.2 Part du total mondial

Le poids d’un pays dans le monde est entendu ici comme sa part (son pourcentage) du total mondial. il correspond donc à une mesure de puissance relative.

3.2.1 Calcul des poids par variable et date

On utilise à nouveau dplyr pour calculer la part de chaque pays pour chaque variable à chacune des dates. On ajoute une variable supplémenaire qui est la moyenne des poids sur les six classements.

don2<-don2 %>%  group_by(date) %>% mutate(ARB_wgt = 100*ARB_est/sum(ARB_est,na.rm=T),
                                         SRF_wgt = 100*SRF_est/sum(SRF_est,na.rm=T),
                                         GDP_wgt = 100*GDP_est/sum(GDP_est,na.rm=T),
                                         GPP_wgt = 100*GPP_est/sum(GPP_est,na.rm=T),
                                         POP_wgt = 100*POP_est/sum(POP_est,na.rm=T),
                                         URB_wgt = 100*URB_est/sum(URB_est,na.rm=T),
                                         TOT_wgt = (ARB_wgt+SRF_wgt+GDP_wgt+GPP_wgt+POP_wgt+URB_wgt)/6)

3.2.2 Application au calcul des 20 pays les plus puissants en 1990 et 2020

tab<-don2 %>% filter(date==1960) %>% 
             select(iso3c, country, TOT_wgt, ARB_wgt,SRF_wgt,GDP_wgt,GPP_wgt,POP_wgt,URB_wgt,TOT_wgt) %>%
             arrange(desc(TOT_wgt))
kable(head(tab,20), digits=1)
date iso3c country TOT_wgt ARB_wgt SRF_wgt GDP_wgt GPP_wgt POP_wgt URB_wgt
1960 USA United States 18.2 14.6 6.9 39.5 29.6 6.0 12.5
1960 CHN China 10.0 8.3 6.8 4.4 7.6 22.1 10.7
1960 IND India 7.4 12.6 2.3 2.7 4.8 14.5 7.7
1960 RUS Russian Federation 6.4 9.7 12.2 2.9 3.7 4.0 6.4
1960 CAN Canada 3.5 3.0 11.1 3.0 2.4 0.6 1.2
1960 DEU Germany 3.5 1.0 0.3 6.2 5.8 2.4 5.1
1960 JPN Japan 2.8 0.5 0.3 3.5 4.0 3.1 5.8
1960 GBR United Kingdom 2.8 0.6 0.2 5.3 4.8 1.7 4.1
1960 BRA Brazil 2.8 1.9 6.1 1.2 1.7 2.4 3.3
1960 FRA France 2.5 1.6 0.4 4.5 4.1 1.6 2.9
1960 ITA Italy 2.0 1.0 0.2 3.1 3.1 1.7 2.9
1960 AUS Australia 1.7 1.2 5.5 1.4 1.1 0.3 0.8
1960 ARG Argentina 1.5 1.5 2.0 1.6 1.5 0.7 1.5
1960 MEX Mexico 1.4 1.6 1.4 1.0 1.2 1.2 1.8
1960 IDN Indonesia 1.3 1.5 1.4 0.2 0.5 2.9 1.3
1960 UKR Ukraine 1.2 2.4 0.4 0.4 0.6 1.4 2.0
1960 ESP Spain 1.1 1.3 0.4 0.9 1.1 1.0 1.7
1960 PAK Pakistan 1.1 2.5 0.6 0.3 0.5 1.5 1.0
1960 NGA Nigeria 0.9 1.9 0.7 0.3 0.5 1.5 0.7
1960 TUR Turkey 0.9 1.9 0.6 0.6 0.7 0.9 0.9
tab<-don2 %>% filter(date==2023) %>% 
             select(iso3c, country, TOT_wgt, ARB_wgt,SRF_wgt,GDP_wgt,GPP_wgt,POP_wgt,URB_wgt,TOT_wgt) %>%
             arrange(desc(TOT_wgt))
kable(head(tab,20), digits=1)
date iso3c country TOT_wgt ARB_wgt SRF_wgt GDP_wgt GPP_wgt POP_wgt URB_wgt
2023 CHN China 14.6 7.8 6.8 16.8 18.8 17.5 19.8
2023 USA United States 11.6 11.3 7.0 26.2 15.0 4.2 6.1
2023 IND India 9.0 11.1 2.3 3.4 7.9 17.9 11.4
2023 RUS Russian Federation 5.1 8.7 12.2 1.9 3.5 1.8 2.4
2023 BRA Brazil 3.6 4.2 6.1 2.1 2.4 2.6 4.0
2023 CAN Canada 3.1 2.7 11.1 2.0 1.3 0.5 0.7
2023 IDN Indonesia 2.3 1.9 1.4 1.3 2.4 3.5 3.6
2023 JPN Japan 2.0 0.3 0.3 4.0 3.4 1.5 2.5
2023 AUS Australia 1.9 2.2 5.5 1.6 1.0 0.3 0.5
2023 DEU Germany 1.8 0.8 0.3 4.3 3.2 1.0 1.4
2023 MEX Mexico 1.7 1.4 1.4 1.7 1.8 1.6 2.3
2023 NGA Nigeria 1.7 2.6 0.7 0.3 0.8 2.8 2.7
2023 PAK Pakistan 1.5 2.2 0.6 0.3 0.8 3.1 2.0
2023 FRA France 1.5 1.3 0.4 2.9 2.3 0.8 1.2
2023 GBR United Kingdom 1.4 0.4 0.2 3.2 2.2 0.9 1.3
2023 ARG Argentina 1.3 3.0 2.0 0.6 0.7 0.6 0.9
2023 TUR Turkey 1.3 1.4 0.6 1.1 2.1 1.1 1.4
2023 ITA Italy 1.1 0.5 0.2 2.2 1.9 0.7 0.9
2023 IRN Iran, Islamic Rep. 1.0 1.1 1.2 0.4 0.9 1.1 1.5
2023 ESP Spain 0.9 0.8 0.4 1.5 1.4 0.6 0.9
saveRDS(don2,"data/wb_don_1960_2023.Rdata")
write.table(don2,"data/wb_don_1960_2023.csv",sep=";",dec=",", row.names = F,fileEncoding = "UTF-8")

4 SPATIALISATION

Au cours de cette étape, on va essayer d’associer à chaque pays du Monde une géométrie permettant d’en faire la cartographie. Longtemps compliquée, cette opération est maintenant facilitée par le packge sf (spatial features) qui permet grosso modo de stocker la géométrie (contour des pays) sous la forme d’une simple colonne ajoutée au tableau de données. On peut ensuite facilement réaliser des changements de projections et des cartes statiques ou dynamiques.

Une difficulté plus importante est de trouver un fonds de carte où le code des unités géométriques corresponde à celui des unités statistiques que nous avons collectées. Cette opération de jointure s’avère toujours délicate et elle l’est tout particulièrement dans le cas des pays du monde qui sont un objet finalement mal défini, tant sur le plan politique que sur le plan statistique.

4.1 L’API Natural Earth

Nous allons ici utiliser le fonds de carte Natural Earth qui est un fonds de carte libre de droit et mis à jour régulièrement. Le site web du projet se situe à l’adresse suivante :

https://www.naturalearthdata.com/

Il indique ses objectifs comme suit :

“Natural Earth is a public domain map dataset available at 1:10m, 1:50m, and 1:110 million scales. Featuring tightly integrated vector and raster data, with Natural Earth you can make a variety of visually pleasing, well-crafted maps with cartography or GIS software.[…] Natural Earth was built through a collaboration of many volunteers and is supported by NACIS (North American Cartographic Information Society), and is free for use in any type of project (see our Terms of Use page for more information).”

On peut télécharger les différents fonds de carte sur le site web, mais dans une perspective de mise à jour automatique régulière du fonds de carte il est plus pertinent d’utiliser l’API rnaturalearthqui permet d’accéder directement à la plupart des fonds de carte avec juste quelques lignes de code.

4.1.1 le fonds de carte countries110 (171 unités)

On va télécharger tout d’abord le fonds de carte des pays du Monde avec une forte généralisation des contours countries110 et le transformer en objet de type sf avant de le visualiser et d’ examiner le nombre d’unités

map<-st_as_sf(countries110)
par(mar=c(0,0,0,0), mfrow=c(1,1))
plot(map$geometry,col="lightyellow")

dim(map)
[1] 177 169

Ce fonds de carte comporte 171 unités spatiales, mais de quoi s’agit-il exactement. Les métadonnées associées permettent de se faire une idée plus précise de la nature exacte de ces unités. Prenons pour cela quelques exemples

sel<-map[map$adm0_a3 %in% c("FRA", "NCL","ATA","ATF","USA", "PRI","CHN","TWN","MAR", "SAH","CHN","TWN","ISR","PSX"),c("sovereignt","sov_a3","type","admin", "adm0_a3","name","note_adm0","iso_a3","wb_a3")]
kable(sel)
sovereignt sov_a3 type admin adm0_a3 name note_adm0 iso_a3 wb_a3 geometry
3 Western Sahara SAH Indeterminate Western Sahara SAH W. Sahara NA ESH -99 MULTIPOLYGON (((-8.66559 27…
5 United States of America US1 Country United States of America USA United States of America NA USA USA MULTIPOLYGON (((-122.84 49,…
24 France FR1 Dependency French Southern and Antarctic Lands ATF Fr. S. Antarctic Lands Fr. ATF -99 MULTIPOLYGON (((68.935 -48….
44 France FR1 Country France FRA France NA -99 FRA MULTIPOLYGON (((-51.6578 4….
46 United States of America US1 Dependency Puerto Rico PRI Puerto Rico U.S.A. PRI PRI MULTIPOLYGON (((-66.28243 1…
77 Israel IS1 Disputed Israel ISR Israel NA ISR ISR MULTIPOLYGON (((35.71992 32…
80 Israel IS1 Indeterminate Palestine PSX Palestine NA PSE WBG MULTIPOLYGON (((35.39756 31…
135 France FR1 Dependency New Caledonia NCL New Caledonia Fr. NCL NCL MULTIPOLYGON (((165.78 -21….
140 China CH1 Country China CHN China NA CHN CHN MULTIPOLYGON (((109.4752 18…
141 Taiwan TWN Sovereign country Taiwan TWN Taiwan NA TWN -99 MULTIPOLYGON (((121.7778 24…
160 Antarctica ATA Indeterminate Antarctica ATA Antarctica By treaty ATA -99 MULTIPOLYGON (((-48.66062 -…
163 Morocco MAR Sovereign country Morocco MAR Morocco NA MAR MAR MULTIPOLYGON (((-2.169914 3…

Les exemples présentés dans le tableau ci-dessus montrent la complexité du problème de définition et de représentation cartographique des “pays” ou “bouts du monde”. Quelques remarques :

  1. La France (FR1) en tant qu’état souverain regroupe ici cartographiquement la partie métropolitaine du pays et les Départements d’Outre-Mer (Guyane Française, Réunion, Martinique, Guadeloupe) en une seule entité spatiale, mais elle met à part la Nouvelle Calédonie et les îles antarctiques.
  2. Porto Rico (PRI) est considéré comme une dépendance des Etats-Unis (US1) au même titre que la Nouvelle Calédonie(NCL) est considérée comme une dépendance de la France (FR1).
  3. Le Sahara occidental (SAH) est considéré comme une zone indéterminée bien qu’il soit occupé par le Maroc (MAR).
  4. la Palestine (PSX) est considéré comme une zone disputée mais rattachée en terme de souveraineté à Israël (ISR) et une note précise qu’elle est partiellement semi-administrée. Le code sur trois caractères des territoires palestiniens est très variable selon les organisations (PSX, PSE, WBG).
  5. Taïwan (TWN) est présenté comme un état souverain, mais son code ISO3 est manquant pour la banque mondiale car la Chine refuse de le reconnaître.
  6. Plusieurs états souverains de petite taille sont absents de ce fonds de carte qui ne regroupe que 175 unités soit moins que les 193 pays membres des Nations-Unies. La plupart des îles du Pacifique sont en particulier éliminées car leur surface les rendrait invisible pour le degré de généralisation cartographique adopté.

4.1.2 le fonds de carte sovereignty110 (171 unités)

On peut obtenir un fonds différent en installant le package complémentaire rnaturalearthdata qui permet notamment de distinguer le fonds de carte des countries (c’est-à-dire des “bouts du monde” souverains ou non) et des sovereignty (c’est-à-dire des états souverains)

map<-st_as_sf(sovereignty110)
par(mar=c(0,0,0,0))
plot(map$geometry,col="lightyellow")

dim(map)
[1] 171 169

Le fonds de carte permet désormais de récupérer la plupart des pays souverains du Monde, y compris les petits états insulaires du Pacifique, mais il fait disparaître de façon sélective les territoires indéterminés ou disputés. Ainsi, le Sahra Occidental demeure partiellement séparé du Maroc mais les territoires palestiniens sont annexés à Israël ainsi que le plateau du Golan ce qui n’est évidemment pas un choix neutred’un point de vue géoolitique.

par(mfrow=c(1,2))
plot(map[map$sov_a3 %in% c("IS1","JOR","SYR","LBN","EGY"),]$geometry, col=c("gray80","orange","gray80","gray80","gray80"))
title("Limits of Israël",cex=0.5)
plot(map[map$sov_a3 %in% c("MAR","SAH","DZA","MRT"),]$geometry, col=c("gray70","orange","gray70","lightyellow"))
title("Limits of Morocco")

4.1.3 Le fonds de carte tinycountries110

On peut aussi revenir au fonds de carte des countries et extraire les “petits pays” en ne conservant que leur point central, sans tracer un polygône de contour. On pourra ainsi les cartographier sous forme ponctuelle.

map<-st_as_sf(countries110)
small<-st_as_sf(tiny_countries110)
par(mar=c(0,0,0,0), mfrow=c(1,1))
plot(map$geometry,col="lightyellow")
plot(small$geometry,col="red", add=T)

4.1.4 Le fonds de carte countries50

On peut également choisir un fonds moins généralisé dans leque tous les petits pays seront présents

map<-st_as_sf(countries50)

par(mar=c(0,0,0,0))
plot(map$geometry,col="lightyellow")

4.1.5 Autres fonds de carte :

Il existe toute une série d’autres fonds de carte dans le package Natural Earth, notamment avec des résolutions plus précises, mais on se limitera ici à l’exploration des fonds de cart utile pour produire des cartes à contour généralisé couvrant le monde entier.

4.2 Application

Nous allons essayer de construire un fonds de carte qui permette de visualiser l’ensemble des données présentes dans le fichier de la banque mondiale en 2015. Plus précisément, nous allons construire deux fonds de carte, l’un avec une résolution faible ne comportant que 175 pays et l’autre avec une résolution détaillée comportant tous les pays.

4.2.1 Fonds de carte wb_map_low

On se limite aux plus grands pays

# Load map
map<-st_as_sf(countries110)
map<-st_transform(map, "+proj=laea +x_0=0 +y_0=0 +lon_0=0 + lat_0=40")
plot(map$geometry)

map<-map[c("adm0_a3","name")]
names(map)<-c("iso3c","name","geometry")

# Add polygons center
coo<-st_coordinates(st_centroid(map,of_largest_polygon = T))
map$Lon<-coo[,1]
map$Lat<-coo[,2]


# adjust some codes
map$iso3c[map$iso3c=="KOS"]<-"XKX"    # Kosovo
map$iso3c[map$iso3c=="PSX"]<-"PSE"    # Palestinian territories
map$iso3c[map$iso3c=="SDS"]<-"SSD"    # South Sudan

# Save
st_write(map,"data/wb_map_low.shp",delete_dsn=T)
Deleting source `data/wb_map_low.shp' using driver `ESRI Shapefile'
Writing layer `wb_map_low' to data source 
  `data/wb_map_low.shp' using driver `ESRI Shapefile'
Writing 177 features with 4 fields and geometry type Multi Polygon.
saveRDS(map,"data/wb_map_low.Rdata")

4.2.2 Fonds de carte wb_map_high

# Load map
map<-st_as_sf(countries50)
map<-map[c("adm0_a3","name")]
names(map)<-c("iso3c","name","geometry")

# Add polygons center
coo<-st_coordinates(st_centroid(map,of_largest_polygon = T))
map$Lon<-coo[,1]
map$Lat<-coo[,2]


# adjust some codes
map$iso3c[map$iso3c=="KOS"]<-"XKX"    # Kosovo
map$iso3c[map$iso3c=="PSX"]<-"PSE"    # Palestinian territories
map$iso3c[map$iso3c=="SDS"]<-"SSD"    # South Sudan

# Save
st_write(map,"data/wb_map_high.shp",delete_dsn=T)
Deleting source `data/wb_map_high.shp' using driver `ESRI Shapefile'
Writing layer `wb_map_high' to data source 
  `data/wb_map_high.shp' using driver `ESRI Shapefile'
Writing 242 features with 4 fields and geometry type Multi Polygon.
saveRDS(map,"data/wb_map_high.Rdata")

5 VISUALISATIONS

On va élaborer une série de représentations interactives qui pourront ultérieurement être reprises dans une application de type dashboard. On va utiliser pour cela principalement le package plotly.

L’exemple retenu sera celui des émissions de CO2 de 1995 à 2015

5.1 Courbes interactives

5.1.1 GDP en $

don<-readRDS("data/wb_don_1960_2023.Rdata")
tab<-don %>% filter(date > 1960, date < 2023) %>%
  select (iso3c, country, date, GDP_est,GDP_rnk, GDP_wgt) %>% 
  filter(iso3c %in% c("USA","CHN","JPN","RUS","IND","DEU","BRA","FRA","GBR","SAU")) 

tab<-as.data.frame(tab)


p <- plot_ly(tab,
             x = ~date,
             y = ~GDP_wgt,
             color= ~country) %>%
             add_lines()%>%
         layout(title = "PIB en dollars (1960-2023)",
         yaxis = list(title = "% de l richesse mondiale", type="log"), 
         xaxis = list(title = "Année"))
p

5.1.2 GDP en ppa

don<-readRDS("data/wb_don_1960_2023.Rdata")
tab<-don %>% filter(date > 1960, date < 2023) %>%
  select (iso3c, country, date, GPP_est,GPP_rnk, GPP_wgt) %>% 
  filter(iso3c %in% c("USA","CHN","JPN","RUS","IND","DEU","BRA","FRA","GBR","SAU")) 

tab<-as.data.frame(tab)


p <- plot_ly(tab,
             x = ~date,
             y = ~GPP_wgt,
             color= ~country) %>%
             add_lines()%>%
         layout(title = "PIB en dollars (1960-2023)",
         yaxis = list(title = "% de l richesse mondiale", type="log"), 
         xaxis = list(title = "Année"))
p

5.2 Cartes interactives

5.2.1 GDP

# Load map
map<-readRDS("data/wb_map_high.Rdata")

# Load don for 2015
don<-readRDS("data/wb_don_1960_2023.Rdata")
don<-don[don$date==2023,]

# Merge with map
mapdon<-merge(don,map,by="iso3c",all.x=F,all.y=T)

# Create map



g <- list(showframe = TRUE,
          framecolor= toRGB("gray50"),
          coastlinecolor = toRGB("black"),
          showland = TRUE,
          landcolor = toRGB("lightyellow"),
          showcountries = TRUE,
          countrycolor = toRGB("black"),
          countrywidth = 0.2,
         projection = list(type = 'azimuthal equal area')
 #         projection = list(type = 'Mercator')
          )



p<- plot_geo(mapdon)%>%
  add_markers(x = ~Lon,
              y = ~Lat,
              sizes = c(0, 1000),
              size = ~GDP_wgt,
              color= "red",
              hoverinfo = "text",
              text = ~paste('Pays: ', country,
                            '<br /> % mondial : ',round(GDP_wgt,3),
                            '<br /> rang mondial : ',round(GDP_rnk,0))) %>%
  layout(geo = g,
         title = "Part du PIB mondial (ppa) en 2023",
         width=800,
         height = 400)
p